A számítógépes tanulás segíthet csökkenteni a családon belüli erőszak ismétlődését

Egy új tanulmány megállapította, hogy adatelemzés és számítógépes tanulás felhasználása a bírósági eljárás során az ismételt családon belüli erőszakos események esélyeinek elemzésére a felére csökkentette az új eseteket, ami évente 1000-nél kevesebb letartóztatáshoz vezetett egy nagyvárosi területen.

Letartóztatás után az első bírósági megjelenés általában az előzetes bírósági eljárás, amikor egy bíró vagy bíró dönt arról, hogy elengedi-e a gyanúsítottat, vagy börtönben tartja, annak valószínűsége alapján, hogy az illető visszatér a bíróságra, vagy új bűncselekményeket követ el.

Az uralkodások általában nagyon rövidek, korlátozott adatokon alapuló döntések. Ugyanakkor dr. Richard Berk és Susan B. Sorenson, a Pennsyvani Egyetem munkatársai úgy találták, hogy a számítógépes előrejelzések használata ezen eljárások során drámai módon csökkentheti a családon belüli erőszak későbbi letartóztatásait.

„A törvény által hozott számos büntető igazságszolgáltatási döntés megköveteli a társadalomra jelentett kockázat előrejelzését. Ezeket a fenyegetéseket „jövőbeli veszélyességnek” nevezik ”- mondta Berk, a Penn’s Arts and Sciences School és a Wharton School kriminológiai és statisztikai professzora.

„Sok döntés, mint például a bírósági eljárás, egyfajta nadrág. A kérdés az, hogy tudunk-e ennél jobban járni, a válasz pedig igen. Nagyon alacsony sáv. ”

A bensőséges partnerek, szülők és gyermekek, vagy akár testvérek közötti családon belüli erőszakos bűncselekmények esetében általában egy adott személy fenyegetést jelent - mondta Sorenson, a pennsylvaniai szociálpolitikai és gyakorlati iskola szociálpolitikai professzora, aki az Evelyn Jacobs Ortner Központot is irányítja. a családi erőszakról.

"Ez nem általános közbiztonsági kérdés" - mondta. „Családon belüli erőszak vádjával mondjuk egy srácot - és ez általában egy srác - letartóztatnak ezért, és bírósági tárgyalásra vár. Nem fog támadni valami véletlenszerű nőt. A kockázat ugyanazon áldozat újbóli támadása.

Annak megértése érdekében, hogy a számítógépes tanulás miként segíthet a családon belüli erőszak eseteiben, Berk és Sorenson több mint 28 000 családon belüli erőszak elkövetéséből származó adatokat szerzett 2007 januárja és 2011 októbere között. Kétéves nyomon követési időszakot is megvizsgáltak a 2013 októberében véget ért kiadás után. .

A tudósok szerint a számítógép „megtanulhatja”, hogy az egyének mely típusai valószínűleg újra megsértődnek. Ehhez a kutatáshoz a 35 kezdeti adat tartalmazta az életkort, a nemet, az előzetes végzéseket és a mondatokat, valamint a lakóhelyet.

Ezek az adatpontok segítik a számítógépet abban, hogy megértsék az előre jelzett kockázat megfelelő asszociációit, és kiegészítő információkat kínálnak a bíróság tisztviselőjének az elkövető szabadon bocsátásának eldöntéséről.

"Mindenféle beállításban jobb, ha a számítógép kitalálja ezt, mint hogy mi találjuk ki" - mondta Berk.

Ez nem azt jelenti, hogy a használatának nincsenek akadályai - jegyezte meg.

A téves jóslatok száma elfogadhatatlanul magas lehet, és egyesek elvben kifogásolják az adatok és a számítógépek ilyen módon történő felhasználását. Mindkét kérdésre a kutatók azt válaszolják, hogy a számítógép használata - amit gépi tanulásnak hívnak - egyszerűen eszköz.

"Ez semmilyen szakaszon nem hozza meg a döntéseket az emberekért" - mondta Sorenson. Ezeket a választásokat „az a bölcsesség támasztja alá, amely több éves tapasztalattal halmozódik fel, de az is bölcsesség, amely csak abban a tárgyalóteremben gyűlt össze. A gépi tanulás egy tárgyalóterületen túllép egy szélesebb közösségen. ”

Bizonyos büntető igazságszolgáltatási körülmények között a gépi tanulás használata már rutinszerű, bár a különböző típusú döntésekhez különböző adatkészletekre van szükség, amelyekből a számítógépnek tanulnia kell - jegyezték meg a kutatók. Az alapul szolgáló statisztikai technikák azonban változatlanok maradnak - tették hozzá.

A pennsylvaniai kutatók úgy vélik, hogy a gépi tanulás javíthatja a jelenlegi gyakorlatokat.

„Az algoritmusok nem tökéletesek. Vannak hibáik, de egyre több adat bizonyítja, hogy kevesebb hibájuk van, mint a meglévő módszereinknek, hogy meghozzuk ezeket a döntéseket ”- mondta Berk.

"Kritizálhatja őket - és meg kell, mert mindig jobbá tehetjük őket -, de mint mondjuk, nem hagyhatja, hogy a tökéletes legyen a jó ellensége."

A tanulmányt 2009 - ben tették közzé A Journal of Empirical Legal Studies.

Forrás: Pennsylvaniai Egyetem